Cinq questions sur une affirmation d’IA : TrialGPT pour la direction pharma

La page officielle de TrialGPT affiche un chiffre précis : 42,6 % de temps en moins pour présélectionner des possibilités de participation à des essais cliniques. [1] La perspective est intéressante pour une entreprise pharmaceutique. Dès que ce chiffre sert à prévoir des effectifs, un objectif contractuel ou une durée de recrutement, son périmètre doit être clairement défini.

Je prends cette affirmation publiquement vérifiable pour examiner cinq questions destinées aux directions pharmaceutiques. L’objectif est d’apprécier une déclaration publiée et la décision d’investissement qu’elle pourrait éclairer. Les propositions suivantes constituent mon interprétation analytique. Elles ne sont ni une évaluation d’un produit actuellement commercialisé ni un conseil sur l’éligibilité clinique de patients particuliers.

Le 18 novembre 2024, la National Library of Medicine décrivait un petit essai : deux médecins comparaient six résumés de cas à six essais cliniques, avec et sans assistance. Son communiqué arrondissait le gain de temps à 40 %. [2] Page du projet, communiqué et article scientifique concernent le même travail. Ces publications ne constituent pas trois confirmations indépendantes.

La prépublication TrialGPT 2.0 du 1er septembre 2026, non évaluée par les pairs, ajoute 288 cas rétrospectifs et 27 cas prospectifs en réunion de concertation oncologique. Ces derniers apportaient des options supplémentaires retenues par les médecins ; les inclusions effectives n’étaient pas évaluées. [4] Mon exemple reste l’affirmation de 2024. Un achat actuel doit aussi examiner cette nouvelle version.

1. Quel travail a réellement été mesuré ?

Dans l’article scientifique, la décision intervenait après lecture du cas : personne manifestement inéligible ou situation justifiant un examen supplémentaire. Les six vignettes partiellement synthétiques concernaient des essais en oncologie. [3] L’étape étudiée peut ainsi être décrite clairement. Une direction peut ensuite déterminer où elle intervient dans son propre processus et qui l’effectue.

Je reformulerais d’abord l’affirmation en une phrase complète : dans les conditions décrites, une décision préliminaire précise a été prise plus rapidement. L’organisation devrait ensuite ajouter les autres étapes séparant une demande reçue d’une participation effective. Il pourrait s’agir d’obtenir des informations manquantes, de contacter un centre investigateur, de réaliser d’autres examens et de recueillir la décision de la personne concernée.

L’importance économique dépend de la part que représente l’étape mesurée dans le travail local. Un calcul interne devrait donc établir séparément le temps qui lui est actuellement consacré. On pourrait ensuite examiner quelle part d’une économie éventuelle se retrouve dans le processus complet. Le pourcentage publié ne fournit pas à lui seul cette référence locale.

2. Notre situation de départ est-elle comparable ?

Une direction médicale pourrait commencer par décrire dix demandes typiques du processus actuel, sans données personnelles dans un premier temps. Quels documents arrivent ? Sont-ils complets ? Qui connaît déjà l’histoire clinique ? Quelles informations faut-il obtenir dans d’autres systèmes ? Cette description montre le travail qui précéderait l’évaluation par l’IA dans l’usage envisagé.

La comparabilité comporte plusieurs dimensions. Deux établissements peuvent travailler dans la même indication tout en recevant des données très différentes. Une synthèse structurée crée d’autres exigences qu’un ensemble de documents longs. Examiner une liste d’essais déjà sélectionnés constitue un autre problème que rechercher toutes les possibilités pertinentes. Une transposition devrait nommer ces différences individuellement.

Je suivrais particulièrement l’origine des informations manquantes. Un professionnel pourrait-il combler la lacune à partir des documents autorisés ? Une nouvelle demande est-elle nécessaire ? La décision peut-elle rester ouverte jusqu’à la réponse ? Cela produit une exigence vérifiable pour le processus. L’organisation évite ainsi de transformer silencieusement une configuration expérimentale favorable en description de sa situation clinique habituelle.

3. Quel est le comparateur, et quelles erreurs comptent ?

Pour sa décision, la direction a besoin d’une comparaison concrète. Il peut s’agir de la présélection actuelle, par la même équipe, avec les mêmes informations disponibles. On peut aussi envisager un processus déjà amélioré sans la nouvelle IA. La question décisive concerne l’apport supplémentaire attendu de la modification par rapport à une solution réaliste.

Les erreurs qui méritent une attention particulière devraient également être définies avant l’évaluation. Une possibilité exclue à tort et une piste inadéquate poursuivie inutilement ont des conséquences différentes. Une mesure moyenne de précision peut les regrouper et masquer une évolution importante pour l’organisation. Je demanderais de distinguer ces deux erreurs, les cas non résolus et le travail nécessaire pour les clarifier.

L’article ne rapportait aucune différence de précision statistiquement significative dans le petit essai. [3] Cela n’établit pas une garantie générale d’équivalence. Une organisation souhaitant fixer une qualité minimale pour son usage doit définir explicitement cette exigence et l’évaluer avec un effectif approprié. Cette question relève de l’équipe clinique et méthodologique responsable.

4. Quels travaux et décisions viennent ensuite ?

Imaginons une situation fictive : grâce à une présélection améliorée, une entreprise pharmaceutique reçoit plus tôt une liste de contacts possibles. Les centres investigateurs ne peuvent toujours répondre aux demandes complémentaires qu’à des horaires fixes. La liste arrive plus tôt ; le délai de réponse de l’étape suivante reste identique. Quelle valeur l’amélioration apporte-t-elle dans ces conditions ?

Une valeur peut subsister. Les salariés pourraient organiser leur travail plus tôt ou examiner davantage de demandes avec soin. Une demande supplémentaire pourrait aussi apparaître, à traiter par d’autres intervenants. Les conséquences souhaitées ont leur place dans la note de décision. Une durée de recrutement inchangée ne rendrait pas automatiquement inutile une réduction de charge limitée. Réciproquement, celle-ci ne se convertit pas simplement en participants supplémentaires.

Pour une application allemande ou européenne, je prévoirais aussi de vérifier explicitement l’accessibilité pratique, les possibilités actuelles d’accueil et les contacts responsables. Il s’agit ici d’une proposition de conception du processus. Une piste plausible dans un calcul devient utile à la personne concernée lorsqu’elle débouche sur une prochaine action fiable, accompagnée d’une explication claire des incertitudes restantes.

5. Quel prochain investissement l’affirmation justifie-t-elle ?

À mes yeux, une telle publication justifie d’abord d’examiner plus précisément une question locale pertinente. La décision pourrait être de financer une étude de faisabilité délimitée pour un circuit de demandes défini. L’organisation préciserait les entrées, la fonction responsable et le résultat à évaluer ensuite. Le périmètre et l’usage des informations doivent correspondre aux autorisations locales.

La note de décision devrait également préciser quelle hypothèse modifierait un investissement plus important. Si l’essentiel du travail actuel précède la présélection, améliorer la disponibilité des données pourrait être prioritaire. Si cette présélection constitue une contrainte significative, une étude plus approfondie pourrait être justifiée. Les deux réponses peuvent découler du même intérêt initial pour la recherche.

Un objectif contractuel devrait correspondre au résultat que l’on peut influencer. L’évaluation d’une étape de présélection peut porter sur sa durée, sa qualité et les reprises nécessaires. Un objectif concernant le recrutement complet dépend aussi des conditions affectant les autres intervenants. Cette distinction rend les engagements plus compréhensibles et donne aux achats, à la direction médicale et à la direction générale un langage commun.

Rendre l’affirmation utilisable en réunion

J’attendrais finalement cinq réponses courtes sur une page : travail étudié, similarité avec notre usage, comparateur et conséquences des erreurs, travail ultérieur, prochain investissement justifié. Une réponse manquante reste une question ouverte. L’apport de la recherche demeure visible tandis que sa portée économique est examinée concrètement et que les hypothèses ajoutées peuvent être discutées.

Comme médecin et fondateur, je m’intéresse à cette traduction entre recherche et décision. Un bon chiffre scientifique peut améliorer un choix lorsque chacun peut expliquer sa signification et l’hypothèse qu’il ajoute. Cette capacité est particulièrement utile aux directions pharmaceutiques : elle relie l’intérêt pour la recherche à des engagements précis envers les équipes, les centres investigateurs et, finalement, les personnes pour lesquelles un essai pourrait être pertinent.